CN106650761A - 用于自动分类印章雕刻方式的装置和方法 - Google Patents

Abstract

本公开涉及用于自动分类印章雕刻方式的装置和方法。该装置包括：图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的骨架积分距离因子α；以及分类单元，其被配置为基于图像特征，自动分类印章雕刻方式；其中，骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定骨架积分距离：计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及对最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为骨架积分距离，其中T是大于1的整数。

Description

用于自动分类印章雕刻方式的装置和方法

技术领域

本发明一般地涉及古籍数字图像处理，尤其涉及一种用于自动分类印章雕刻方式的装置和方法。

背景技术

中国的古籍文献中存在着大量的印章。这些印章对于考古学家、古籍研究者、艺术爱好者、收藏者等都具有重要的研究价值和收藏价值。基于印章图像，实现印章基本特性的一些自动分析，可以有效提高印章研究工作的效率。

印章的基本特性包括印章的雕刻方式。印章的雕刻方式主要分为朱文(阳刻)和白文(阴刻)。例如，图1中的印章100即为白文印章；图2中的印章200即为朱文印章。对彩色印章图像进行二值化处理后，得到黑白色的印章图像。对于二值化的朱文印章图像，图像的前景(字)是黑像素，背景是白像素。相反的，在白文印章图像中，前景是白像素，背景是黑像素。

传统的印章雕刻方式自动分类方法是通过计算红色像素占整个印章的比例来判断印章的雕刻方式。其中，红色像素越多，其白文特征越明显。

现有的自动分类印章雕刻方式的方法诸多不足，例如，对于一些文字比较密集的白文印章不适用、对笔画断裂/粘连的印章分类不准确、无法处理笔画宽度会变化的肖形印章。

发明内容

根据本发明的一个方面，提供了一种用于自动分类印章雕刻方式的装置，包括：图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的骨架积分距离因子α；以及分类单元，其被配置为基于图像特征，自动分类印章雕刻方式；其中，骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定骨架积分距离：计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及对最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为骨架积分距离，其中T是大于1的整数。

根据本发明的另一个方面，提供了一种用于自动分类印章雕刻方式的装置，包括：图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的笔画复原匹配因子β；以及分类单元，其被配置为基于图像特征，自动分类印章雕刻方式；其中，笔画复原匹配因子β＝nb/nw，nb和nw分别为在假设黑色和白色代表前景的情况下计算的满足预定误差要求的匹配点个数，并且通过以下方式确定匹配点个数：计算前景骨架图像的平均笔画宽度；以平均笔画宽度为半径的圆形结构单元对前景骨架图像进行膨胀操作，得到笔画复原图像；并且对笔画复原图像和二值化印章图像进行特征点匹配，以确定匹配点个数；并且通过以下方式计算平均笔画宽度：计算前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和；并且通过距离的和除以前景骨架图像的骨架的总长度，得到平均笔画宽度。

根据本发明的另一个方面，提供了一种用于自动分类印章雕刻方式的方法，包括：确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的骨架积分距离因子α；以及基于图像特征，自动分类印章雕刻方式；其中，骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定骨架积分距离：计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及对最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为骨架积分距离，其中T是大于1的整数。

根据本发明的另一个方面，提供了一种用于自动分类印章雕刻方式的方法，包括：确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的笔画复原匹配因子β；以及基于图像特征，自动分类印章雕刻方式；其中，笔画复原匹配因子β＝nb/nw，nb和nw分别为在假设黑色和白色代表前景的情况下计算的满足预定误差要求的匹配点个数，并且通过以下方式确定匹配点个数：计算前景骨架图像的平均笔画宽度；以平均笔画宽度为半径的圆形结构单元对前景骨架图像进行膨胀操作，得到笔画复原图像；并且对笔画复原图像和二值化印章图像进行特征点匹配，以确定匹配点个数；并且通过以下方式计算平均笔画宽度：计算前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和；并且通过距离的和除以前景骨架图像的骨架的总长度，得到平均笔画宽度。

另外，根据本发明的又一方面，还提供了一种存储介质。存储介质中存储有信息处理设备可读的程序代码，当在信息处理设备上执行程序代码时，程序代码使得信息处理设备执行根据本发明的上述方法。

此外，根据本发明的再一方面，还提供了一种程序产品。程序产品包括信息处理设备可执行的指令，当在信息处理设备上执行指令时，指令使得信息处理设备执行根据本发明的上述方法。

应该理解，术语“包括”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或多个其它特征、整件、步骤或组件的存在或附加。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因此而受到限制。在所附权利要求的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

附图说明

参照附图下面说明本发明实施方式，这将有助于更加容易地理解本发明的以上和其它目的、特点和优点。附图只是为了示出本发明的原理。在附图中不必依照比例绘制出单元的尺寸和相对位置。在附图中：

图1是白文印章示意图；

图2是朱文印章示意图；

图3是根据本发明的一个示例性实施方式的确定骨架积分距离的方法的流程图；

图4是图2中的印章的边缘示意图；

图5是图2中的印章的以白色为前景的骨架图像；

图6是图2中的印章的以黑色为前景的骨架图像；

图7是图6中骨架图像局部处的骨架的法线的示意图；

图8是图2中的图像的欧氏距离变换图；

图9是根据本发明的一个示例性实施方式的确定印章图像的笔画复原匹配因子的流程图；

图10是根据本发明的一个示例性实施方式的以白色为前景的印章的笔画复原图像；

图11是根据本发明的一个示例性实施方式的以黑色为前景的印章的笔画复原图像；

图12是根据本发明的一个示例性实施方式的用于训练分类器的方法的流程图；

图13是根据本发明的一个示例性实施方式的用于自动分类印章雕刻方式的方法的流程图；

图14是根据本发明的一个示例性实施方式的另一用于自动分类印章雕刻方式的方法的流程图；

图15是根据本发明的一个示例性实施方式的又一用于自动分类印章雕刻方式的方法的流程图；

图16是根据本发明的一个示例性实施方式的用于自动分类印章雕刻方式的装置的示意性结构框图；

图17是根据本发明的一个示例性实施方式的另一用于自动分类印章雕刻方式的装置的示意性结构框图；以及

图18是根据本发明的一个示例性实施方式的又一用于自动分类印章雕刻方式的装置的示意性结构框图。

具体实施方式

下面参照附图说明本发明的实施方式。应该注意的是，本发明不限于本文所描述的具体实施方式。本文描述这样的实施方式仅用于说明目的。基于本文所包括的教示另外的实施方式对一个或多个相关领域中的技术人员而言将是明显的。应该注意的是，为了清楚，在附图和描述中省略了关于本领域技术人员公知的但与本发明不相关的这些部件和处理方式的表示和描述。

如本领域技术人员将理解的，本发明的各方面可以实现为装置、方法或计算机程序产品。因此，本发明的各方面可以采用下述形式：完全硬件的实施方式、完全软件的实施方式(包括固件、常驻软件、微代码等)或者组合软件和硬件方面的实施方式。

此外，本发明的方法不限于按照说明书中描述的时间顺序来执行，如果从原理上说可行，也可以按照其它的时间顺序地、并行地或独立地执行。因此，本说明书中描述的方法的执行顺序不对本发明的公开内容的范围构成限制。

对朱文印章和白文印章两者中的任一个来说，整体而言，前景(真正的笔画)的骨架和边缘之间的距离通常小于背景的骨架和边缘之间的距离。因此，这个特点能够是区分朱文印章和白文印章的关键特征。基于此认识，发明人提出了用于自动分类印章雕刻方式的印章图像的骨架积分距离因子α。下面介绍确定用于自动分类印章雕刻方式的印章图像的骨架积分距离因子α的方法。

图3是根据本发明的一个实施方式的确定α的方法300的流程图。

在步骤301处，输入印章图像Im。Im可以是白文印章(例如，图1中的白文印章100)，也可以为朱文印章(例如，图2中的朱文印章200)。

在步骤303处，二值化Im，得到二值化的印章图像Imb。例如，将彩色的或具有灰度的Im，变为黑白图像。

在步骤305处，确定骨架积分距离Db和Dw。Db和Dw分别为在假设黑色和白色代表前景(印章图像中文字的笔画)的情况下计算的骨架积分距离。骨架积分距离体现的是，在假定前景情况下，整体上看，骨架上像素至“笔画”的边缘的距离。例如，Im为印章200，则其边缘E构成的图像如图4中的图像400所示。在图4中，为了清楚的显示出边缘E，将非边缘的像素都设置为黑色，将边缘设置为白色。从图4可以看出，边缘E是由Imb中颜色突变处的像素构成曲线。图5是图2中的印章的以白色为前景的前景骨架图像500；图6是图2中的印章的以黑色为前景的前景骨架图像600。可以看出，对于朱文印章，以黑色为前景的笔画骨架图中示出的骨架构成的形状更接近印章200中真正的文字的形状。具体如何确定骨架积分距离Dx(Dx＝Db或Dw)将在介绍完图3后给出。骨架图像的确定方法属于现有技术，在此不再赘述。

在步骤309处，由式(1)确定骨架积分距离因子α：

α＝Db/Dw (1)。

无论是朱文印章还是白文印章，都有如下特点：“真实”笔画的骨架所对应的骨架积分距离通常更小。例如，对于朱文印章，相对于选择白色为前景(构成“虚假”笔画)，选择黑色为前景(构成“真实”笔画)时骨架所对应的骨架积分距离小。所以，对于朱文印章，通常Db<Dw、α<1；对于白文印章，通常Dw<Db、α>1。所以基于确定的骨架积分距离因子α，可以自动分类印章雕刻方式。该特征避开了笔画宽度信息的使用，从而能够使弥补笔画骨架宽度变化所所引起的误差。

下面介绍确定骨架积分距离Dx的方法。

(1)计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和。图7是图6中骨架图像局部处的骨架的法线的示意图。如图7所示，图6中图像600局部处具有骨架线701，直线703是骨架线701的像素Sk2处的切线，曲线705是边缘线，直线707是骨架线701的像素Sk2处的骨架法线。假设骨架包括i_max个像素P，对骨架上的像素P_i(i＝1,2,……,i_max)其对应图7中骨架像素Sk2。为了确定Sk2处的骨架法线，以Sk2为中心点，通过高斯采样方式，在骨架线701上采样距离中心点距离为d的N个像素(在图7中对应骨架像素Sk1、Sk3、Sk4)，

其中n＝0,1,2,……,N-1，s为经验整数。以这N个采样点以及中心点Sk2，进行三次曲线拟合，得到三次曲线f(x)，然后计算出该曲线在中心点Sk2处的骨架法线707，骨架法线707和骨架线第一侧的边缘线705相交(假设交点为像素Pt3)。注意：法线707也会在骨架线701的第二侧与另一边缘线相交，但Sk2距离边缘线705的最短距离小于Sk2距离该另一边缘线的最短距离。然后计算出法线707上从像素Sk2到像素Pt3之间的所有像素(例如，Sk2、Pt1、Pt2、Pt3)的最短边缘距离(即法线707上的各像素到曲线705上的点的最短边缘距离)，然后将这些距离求和，作为像素Pi的最短边缘距离的和Sum_i。采用相同的方式求出其余i_max-1个像素的最短边缘距离的和。确定像素Sk2处的法线的方式不限于上述例举的方式，例如拟合时也可以采用二次曲线拟合。

(2)对最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。具体而言，对i_max个最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离Dx，其中T是大于1的整数。T例如取5。求平均的方式例如是求算术平均。

鉴于在计算骨架积分距离时，需要多次使用像素的最短边缘距离。在确定了Imb的边缘E(参见图4)后，可以根据该边缘信息，对Imb进行欧氏距离变换，计算出非边缘像素到最近邻边缘的最短边缘距离，以该距离作为灰度值，获得Imb的欧氏距离变换图(如图8所示)。这样，在计算骨架积分距离时，可以基于欧氏距离变换图，得到每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的最短边缘距离。

下面介绍确定用于自动分类印章雕刻方式的印章图像的笔画复原匹配因子β的方法。该因子能够避免笔画宽度变化对分类印章雕刻方式的影响。

图9是根据本发明的一个实施方式的确定笔画复原匹配因子β的方法900的流程图。

在步骤901处，输入印章图像Im。Im可以是白文印章(例如，图1中的白文印章100)，也可以为朱文印章(例如，图2中的朱文印章200)。

在步骤903处，二值化Im，得到二值化的印章图像Imb。例如，将彩色的或具有灰度的Im，变为黑白图像。

在步骤905处，确定匹配点个数nb和nw。nb和nw分别为在假设黑色和白色代表前景的情况下计算的满足预定误差要求的匹配点个数。匹配点个数体现的是，在假定前景情况下，笔画复原图像和Imb的匹配程度。图10以白色为前景图2中的印章200的笔画复原图像1000。图11以黑色为前景图2中的印章200的笔画复原图像1100。可以看出，对于朱文印章，以黑色为前景的笔画复原图像中示出的骨架构成的形状更接近印章200中真正的文字的形状。具体如何确定nx(nx＝nb或nw)将在介绍完图9后给出。

在步骤909处，由式(3)确定笔画复原匹配因子β。

β＝nb/nw (3)

前景的理想笔画宽度应该不变，因此，基于正确前景的恢复的图像将与原始图像更相似，匹配点的个数将更多。因此，无论是朱文印章还是白文印章，通常都有如下特点：如果前景色选择正确，那么相应前景色的匹配点个数会更大。例如，对于朱文印章，相对于选择白色为前景(构成“虚假”笔画)时的匹配点个数(nw)，选择黑色为前景(构成“真实”笔画)时匹配点个数(nb)更大。所以，对于朱文印章，通常nb>nw、β>1；对于白文印章，通常nb<nw、β<1。所以基于确定的笔画复原匹配因子β，可以自动分类印章雕刻方式。

下面介绍确定匹配点个数nx的方法。

计算前景骨架图像的平均笔画宽度；以平均笔画宽度为半径的圆形结构单元对前景骨架图像进行膨胀操作，得到笔画复原图像(例如，图10中的图像1000，图11中的图像1100)；对所述笔画复原图像和二值化印章图像进行特征点匹配，以确定匹配点个数。可以按式(4)和式(5)操作得到笔画复原图像。

其中，R_b是以黑色为前景的情况下的笔画复原图像，R_w是以白色为前景的情况下的笔画复原图像，B_b是以黑色为前景的情况下的骨架，B_w是以白色为前景的情况下的骨架，E_b是以黑色为前景的情况下的半径为r_b的圆形结构元素，E_w是以白色为前景的情况下的半径为r_w的圆形结构元素，r_b是以黑色为前景的情况下的前景骨架图像的平均笔画宽度，r_w是以白色为前景的情况下的前景骨架图像的平均笔画宽度。

通过以下方式计算平均笔画宽度：计算前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和；并且通过距离的和除以前景骨架图像的骨架的总长度，得到平均笔画宽度。例如，前景骨架图像的骨架的总长度为10000个像素，这10000像素的距离的和为40000，则平均笔画宽度为4个像素。

法线的确定方法，同图7中所示的确定方法。假设骨架包括i_max个像素P，对骨架上的像素P_i(i＝1,2,……,i_max)其对应图7中骨架像素Sk2；Sk2至最近邻边缘像素Pt3的距离D_i可以基于Imb的欧氏距离变换图得到。关于i对Di求和即得到距离的和。

可选地，在对笔画复原图像和二值化印章图像进行特征点匹配时，使用基于SIFT的特征点匹配方法。

下面介绍印章图像的黑白像素数比值γ。

γ表示二值化印章图像中黑色像素数量和白色像素数量的比值。γ也可以用于自动分类印章雕刻方式。通常情况下，对朱文印章，黑色像素数量比白色像素少，所以γ<1；对白文印章，黑色像素数量比白色像素多，所以γ>1。这种自动分类印章雕刻方式的方法属于现有技术。但在利用本发明公开的α和/或β自动分类印章雕刻方式时，可以结合地使用γ，以得到更好的分类效果。

下面介绍训练分类器的方法。该训练器用于自动分类印章雕刻方式。

图12是根据本发明的一个实施方式的用于训练分类器的方法1200的流程图。

在步骤1201处，获取已知印章分类的多个印章图像的二值化印章图像。这里的印章分类是指印章的雕刻方式的分类。对于输入印章图像为非二值化印章图像的情况，可以在本步骤执行二值化输入的印章图像的处理。优选，多个印章图像具有相同的尺寸。若尺寸不同，优选对尺寸进行归一化。

在步骤1203处，提取每个二值化印章图像的图像特征，提取的图像特征至少包括印章图像的骨架积分距离因子α和笔画复原匹配因子β中的至少一个。提取的图像特征除了α、β外，还可以含有更多特征，如γ或其他图像特征。例如，提取的图像特征为印章图像的骨架积分距离因子α和笔画复原匹配因子β，或者为印章图像的骨架积分距离因子α和黑白像素数比值γ；或者为印章图像的笔画复原匹配因子β和黑白像素数比值γ；或者为印章图像的骨架积分距离因子α、笔画复原匹配因子β和黑白像素数比值γ。

在步骤1205处，基于所提取的图像特征训练分类器。

可选地，分类器为线性判别分析分类器。

下面介绍自动分类印章雕刻方式的方法。

图13是根据本发明的一个示例性实施方式的用于自动分类印章雕刻方式的方法1300的流程图。在步骤1301处，确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的骨架积分距离因子α。在步骤1303处，以及基于所述图像特征，自动分类印章雕刻方式。例如，α<1，则判定印章雕刻方式为朱文，否则为白文。可选地，α＝1时，印章雕刻方式的分类，也可以根据统计结果、经验，进行设定，如设定为α＝1时，印章雕刻方式为朱文。

图14是根据本发明的一个示例性实施方式的另一用于自动分类印章雕刻方式的方法1400的流程图。在步骤1401处，确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的笔画复原匹配因子β。在步骤1403处，以及基于所述图像特征，自动分类印章雕刻方式。如β<1，则判定印章雕刻方式为白文，否则为朱文。可选地，β＝1时，印章雕刻方式的分类，也可以根据统计结果、经验，进行设定，如设定为β＝1时，印章雕刻方式为白文。

图15是根据本发明的一个示例性实施方式的又一用于自动分类印章雕刻方式的方法1500的流程图。在步骤1501处，训练分类器。具体而言，使用图12中的方法1200训练分类器。在步骤1503处，使用分类器分类输入的二值化印章图像的印章雕刻方式。使用分类器对印章图像的雕刻方式进行自动分类时，由于使用的特征更多，所以具有更高的分类准确度。

下面介绍自动分类印章雕刻方式的装置。

图16是根据本发明的一个示例性实施方式的用于自动分类印章雕刻方式的装置1600的示意性结构框图。装置1600包括：图像特征确定单元1601，其被配置为确定输入的二值化印章图像的图像特征，图像特征包括二值化印章图像的骨架积分距离因子α和笔画复原匹配因子β中的至少一个(即α、β，或者α和β)；以及分类单元1603，其被配置为基于图像特征，自动分类印章雕刻方式。可选地，图像特征还包括二值化印章图像的黑白像素数比值γ。可选地，装置1600还包括欧氏距离变换单元，其被配置为基于二值化印章图像的边缘，对二值化印章图像进行欧氏距离变换，以得到欧氏距离变换图。

图17是根据本发明的一个示例性实施方式的另一用于自动分类印章雕刻方式的装置1700的示意性结构框图。装置1700包括：训练单元1701以及分类器单元1703。训练单元1701被配置为训练分类器。具体而言，使用图12中的方法1200训练分类器。分类器单元1703被配置为使用分类器分类输入的二值化印章图像的印章雕刻方式。

图18是根据本发明的一个示例性实施方式的又一用于自动分类印章雕刻方式的装置的示意性结构框图。在图18中，中央处理单元(CPU)1801根据存储在只读存储器(ROM)1802中的程序或从存储部分1808加载到随机存取存储器(RAM)1803的程序来进行各种处理。在RAM1803中，也根据需要来存储在CPU 1801执行各种处理时所需的数据等。

CPU 1801、ROM 1802以及RAM 1803经由总线1804彼此连接。输入/输出接口1805也连接至总线1804。

下述部件连接至输入/输出接口1805：包括键盘、鼠标等的输入部分1806；包括显示器如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1807；包括硬盘等的存储部分1808；以及包括网络接口卡如LAN卡、调制解调器等的通信部分1809。通信部分1809经由网络如因特网执行通信处理。

驱动器1810根据需要也连接至输入/输出接口1805。可拆卸介质1811如磁盘、光盘、磁-光盘、半导体存储器等根据需要安装在驱动器1810上，使得从其中读取的计算机程序根据需要被安装到存储部分1808。

在通过软件来实现上述用于自动分类印章雕刻方式的方法的情况下，构成该软件的程序从网络如因特网或存储介质如可拆卸介质1811被安装到装置1800。CPU 1801执行该软件以自动分类印章的雕刻方式。

在一个实施方式中，本公开内容还提供一种程序产品。程序产品包括机器可执行的指令，当在信息处理设备上执行指令时，指令使得信息处理设备执行前述用于自动分类印章的雕刻方式的方法。

在一个实施方式中，本公开内容还提供一种存储介质。存储介质中存储有信息处理设备可读的程序代码，当在信息处理设备上执行程序代码时，程序代码使得信息处理设备执行上述用于自动分类印章的雕刻方式的方法。存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等。

前述实施方式的有益效果包括以下中的一个或多个：本发明分别提出了两种新的用于分类印章的雕刻方式的图像特征(骨架积分距离因子和笔画复原匹配因子)；基于这两种图像特征，可以实现鲁棒的印章雕刻方式的分类；结合黑白像素比值，利用线性判别分析(LDA)从训练样本中提取最佳分类边界，从而实现了更准确的自动分类印章的雕刻方式；新方法所选用的分类特征弱化了对于印章笔画宽度的依赖，因此更适用于图像质量相对较低的印章以及肖形印。

以上结合具体的实施方式对本发明进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改，这些变型和修改也在本发明的范围内。

附记

1.一种用于自动分类印章雕刻方式的装置，包括：

图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，所述图像特征包括所述二值化印章图像的骨架积分距离因子α；以及

分类单元，其被配置为基于所述图像特征，自动分类印章雕刻方式；

其中，所述骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定所述骨架积分距离：

计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及

对所述最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。

2.根据附记1所述的装置，其中，所述图像特征还包括所述二值化印章图像的黑白像素数比值γ，所述黑白像素数比值γ表示所述二值化印章图像中黑色像素数量和白色像素数量的比值。

3.根据附记1或2所述的装置，还包括欧氏距离变换单元，其被配置为基于所述二值化印章图像的边缘，对所述二值化印章图像进行欧氏距离变换，以得到欧氏距离变换图；

其中，在计算所述前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和时，基于所述欧氏距离变换图，得到所述区域的各像素的最短边缘距离。

4.一种用于自动分类印章雕刻方式的装置，包括：

图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，所述图像特征包括所述二值化印章图像的笔画复原匹配因子β；以及

分类单元，其被配置为基于所述图像特征，自动分类印章雕刻方式；

其中，所述笔画复原匹配因子β＝nb/nw，nb和nw分别为在假设黑色和白色代表前景的情况下计算的满足预定误差要求的匹配点个数，并且通过以下方式确定所述匹配点个数：

计算前景骨架图像的平均笔画宽度；以所述平均笔画宽度为半径的圆形结构单元对所述前景骨架图像进行膨胀操作，得到笔画复原图像；并且对所述笔画复原图像和所述二值化印章图像进行特征点匹配，以确定所述匹配点个数；并且通过以下方式计算所述平均笔画宽度：

计算所述前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和；并且通过所述距离的和除以所述前景骨架图像的骨架的总长度，得到所述平均笔画宽度。

5.根据附记4所述的装置，其中，所述图像特征还包括所述二值化印章图像的黑白像素数比值γ，所述黑白像素数比值γ表示所述二值化印章图像中黑色像素数量和白色像素数量的比值。

6.根据附记5所述的装置，其中，所述图像特征还包括相应印章图像的骨架积分距离因子α；其中，所述骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定所述骨架积分距离：

计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及

对所述最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。

7.根据附记4所述的装置，还包括欧氏距离变换单元，其被配置为基于所述二值化印章图像的边缘，对所述二值化印章图像进行欧氏距离变换，以得到欧氏距离变换图；

其中，在计算计算所述前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和时，基于所述欧氏距离变换图，得到每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离。

8.根据附记4所述的装置，其中，在对所述笔画复原图像和所述二值化印章图像进行特征点匹配时，使用基于SIFT的特征点匹配方法。

9.一种用于自动分类印章雕刻方式的方法，包括：

确定输入的二值化印章图像的图像特征，所述图像特征包括所述二值化印章图像的骨架积分距离因子α；以及

基于所述图像特征，自动分类印章雕刻方式；

其中，所述骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定所述骨架积分距离：

计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及

对所述最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。

10.根据附记9所述的方法，其中，所述图像特征还包括所述二值化印章图像的黑白像素数比值γ，所述黑白像素数比值γ表示所述二值化印章图像中黑色像素数量和白色像素数量的比值。

11.根据附记9或10所述的方法，还包括基于所述二值化印章图像的边缘，对所述二值化印章图像进行欧氏距离变换，以得到欧氏距离变换图；

其中，在计算所述前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和时，基于所述欧氏距离变换图，得到所述区域的各像素的最短边缘距离。

12.根据附记9所述的方法，其中，通过如下方式确定每个骨架像素处的骨架法线：以该骨架像素为中心点，通过高斯采样的方式采样距离中心点的距离为d的N个骨架像素作为N个采样点，对所述N个采样点和所述中心点的平面坐标进行三次曲线拟合，得到三次曲线f(x)，计算所述三次曲线f(x)在所述中心点处的切线的法向量作为该骨架像素处的骨架法线，其中，

n＝0,1,2,……,N-1，s为经验整数。

Claims (9)

1.一种用于自动分类印章雕刻方式的装置，包括：

图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，所述图像特征包括所述二值化印章图像的骨架积分距离因子α；以及

分类单元，其被配置为基于所述图像特征，自动分类印章雕刻方式；

其中，所述骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定所述骨架积分距离：

计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及

对所述最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。

2.根据权利要求1所述的装置，其中，所述图像特征还包括所述二值化印章图像的黑白像素数比值γ，所述黑白像素数比值γ表示所述二值化印章图像中黑色像素数量和白色像素数量的比值。

3.根据权利要求1或2所述的装置，还包括欧氏距离变换单元，其被配置为基于所述二值化印章图像的边缘，对所述二值化印章图像进行欧氏距离变换，以得到欧氏距离变换图；

其中，在计算所述前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和时，基于所述欧氏距离变换图，得到所述区域的各像素的最短边缘距离。

4.一种用于自动分类印章雕刻方式的装置，包括：

图像特征确定单元，其被配置为确定输入的二值化印章图像的图像特征，所述图像特征包括所述二值化印章图像的笔画复原匹配因子β；以及

分类单元，其被配置为基于所述图像特征，自动分类印章雕刻方式；

其中，所述笔画复原匹配因子β＝nb/nw，nb和nw分别为在假设黑色和白色代表前景的情况下计算的满足预定误差要求的匹配点个数，并且通过以下方式确定所述匹配点个数：

计算前景骨架图像的平均笔画宽度；以所述平均笔画宽度为半径的圆形结构单元对所述前景骨架图像进行膨胀操作，得到笔画复原图像；并且对所述笔画复原图像和所述二值化印章图像进行特征点匹配，以确定所述匹配点个数；并且通过以下方式计算所述平均笔画宽度：

计算所述前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和；并且通过所述距离的和除以所述前景骨架图像的骨架的总长度，得到所述平均笔画宽度。

5.根据权利要求4所述的装置，其中，所述图像特征还包括所述二值化印章图像的黑白像素数比值γ，所述黑白像素数比值γ表示所述二值化印章图像中黑色像素数量和白色像素数量的比值。

6.根据权利要求5所述的装置，其中，所述图像特征还包括相应印章图像的骨架积分距离因子α；其中，所述骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定所述骨架积分距离：

计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及

对所述最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。

7.根据权利要求4所述的装置，还包括欧氏距离变换单元，其被配置为基于所述二值化印章图像的边缘，对所述二值化印章图像进行欧氏距离变换，以得到欧氏距离变换图；

其中，在计算计算所述前景骨架图像的骨架上的每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离的和时，基于所述欧氏距离变换图，得到每个骨架像素的该骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的距离。

8.根据权利要求4所述的装置，其中，在对所述笔画复原图像和所述二值化印章图像进行特征点匹配时，使用基于SIFT的特征点匹配方法。

9.一种用于自动分类印章雕刻方式的方法，包括：

确定输入的二值化印章图像的图像特征，所述图像特征包括所述二值化印章图像的骨架积分距离因子α；以及

基于所述图像特征，自动分类印章雕刻方式；

其中，所述骨架积分距离因子α＝Db/Dw，Db和Dw分别为在假设黑色和白色代表前景的情况下计算的骨架积分距离，并且通过以下方式确定所述骨架积分距离：

计算前景骨架图像的骨架上的每个骨架像素处的骨架法线上的从该骨架像素至最近邻边缘像素的区域的所有像素的最短边缘距离的和；以及

对所述最短边缘距离的和中的前T个最大最短边缘距离的和求平均作为所述骨架积分距离，其中T是大于1的整数。